Assessing dual use research of concern (DURC)—lessons learned from the United States government institutional DURC policy
Notice bibliographique
Résumé
Life science research was analyzed for potential misuse in the 2004 report "Biotechnology Research in an Age of Bioterrorism". However, it was not until 2015 that the United States Government (USG) Institutional Dual Use Research of Concern (DURC) policy went into effect. Institutions receiving USG funding for life science research are required to scan their research portfolios for research involving one of 15 agents and subsequent 7 experimental effects described in the policy. In practice, this policy was implemented in a variety of ways with varying outcomes and lessons learned. First and foremost, reviewing research for potential DURC is a highly subjective process that differs depending on the risk tolerance, experience, and training of the individuals charged with reviewing research for an institution as well as the review process itself. The information being reviewed also lends to the subjectivity of the process, that is, the experimental data provided. It is difficult to determine whether research is potential DURC without experimental data. Any review process is hypothetical until there is data. Lastly, reviewers of the research should look beyond the research proposals, like how compounding existing research information can create new risks, potential use in other organisms or systems, or the creation of a roadmap that, for example, shows how to create a concerning organism or could be used in a pathogen.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,753 | 0,774 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,003 |
| Méta-épidémiologie (sens large) | 0,004 | 0,004 |
| Bibliométrie | 0,018 | 0,011 |
| Études des sciences et des technologies | 0,013 | 0,030 |
| Communication savante | 0,053 | 0,034 |
| Science ouverte | 0,015 | 0,029 |
| Intégrité de la recherche | 0,033 | 0,030 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».